Google introdujo AlphaGenome: la inteligencia artificial que podrá calcular las variaciones del ADN humano

El avance de la inteligencia artificial permitió la creación de distintos modelos que contribuyen a la investigación científica. Un ejemplo de ellos es AlphaGenome, una nueva IA introducida por Google que fue desarrollada para ayudar a comprender los efectos de las variaciones en el genoma humano.

Su desarrollo técnico fue liderado por Google DeepMind en colaboración con la comunidad científica internacional. La decodificación del genoma en 2003 "nos dio el libro de la vida, pero leerlo sigue siendo un desafío", destacó el vicepresidente de investigación de la compañía, Pushmeet Kohli, tras la publicación del trabajo.  

El avance de la inteligencia artificial podría causar un apocalipsis, según los expertos

Con este anuncio, la firma tecnológica pretende extender los logros alcanzados previamente con AlphaFold, una herramienta orientada a la estructura de las proteínas. El foco de AlphaGenome se centra en analizar la compleja arquitectura del ADN humano, especialmente en las regiones que hasta ahora resultaban indescifrables para los modelos computacionales tradicionales.

 Cómo funciona la inteligencia artificial AlphaGenome

El funcionamiento de AlphaGenome se basa en un diseño multimodal que procesa secuencias de ADN de hasta 1 millón de pares de bases a una resolución de letra individual. La herramienta combina capas de redes neuronales convolucionales para detectar patrones cortos y arquitecturas transformer para conectar información a lo largo de toda la secuencia.

A diferencia de los modelos anteriores, la plataforma logra evaluar simultáneamente múltiples propiedades moleculares sin perder precisión. "Tenemos el texto", indicó Pushmeet Kohli en referencia a la sucesión de 3.000 millones de pares de nucleótidos A, T, C y G. Sin embargo, el directivo recalcó que "comprender la gramática y la manera en que ésta gobierna la vida constituye la próxima gran frontera de la investigación".  

Uno de sus aportes más significativos consiste en su capacidad para puntuar el impacto de las mutaciones en un segundo. Al comparar la secuencia alterada con la original, la IA de Google calcula cómo cambia la regulación génica y la ubicación del empalme de ARN.

Meta lanza un polémico sistema de verificación que pone en peligro la lucha contra la desinformación

El desafío del ADN no codificante y los objetivos científicos  

Históricamente, la investigación médica se centró en el 2% del genoma que contiene las instrucciones directas para fabricar proteínas. El 98% restante, calificado durante mucho tiempo como "ADN basura", cumple un rol clave en la orquestación de la actividad celular. Es en estas secuencias no codificantes donde se albergan la mayoría de las variantes asociadas a enfermedades complejas.

El objetivo central de AlphaGenome es mapear esos elementos reguladores para descifrar cómo pequeñas modificaciones incrementan o reducen el riesgo de padecer afecciones severas. Los científicos confían en que la herramienta permita acelerar el hallazgo de dianas terapéuticas para patologías raras, trastornos del desarrollo y diversos tipos de cáncer.

Transparencia, limitaciones y el futuro de la IA en la ciencia

A pesar del entusiasmo de la comunidad, especialistas en genómica advierten que AlphaGenome no representa una "solución milagrosa para todas las cuestiones biológicas". El responsable de genómica en el Francis Crick Institute, Robert Goldstone, coincidió en que la expresión de los genes "es influida por factores ambientales complejos, pero constituye una herramienta fundamental".

“Podría matarnos a todos”: la explosiva advertencia de un exinvestigador de Anthropic y OpenAI sobre el futuro de la IA

Para lidiar con los retos de transparencia en la IA, los desarrolladores pusieron los datos a disposición del público. Las predicciones y el código de la herramienta se comparten bajo licencias abiertas para su uso en investigación académica no comercial. Esta política apunta a evitar el sesgo de modelo cerrado y promover la validación experimental por parte de pares.

El uso ético y transparente de estas tecnologías será determinante para su integración en la práctica clínica. La combinación de predicciones algorítmicas con ensayos de laboratorio tradicionales marcará el ritmo de los próximos avances en la medicina de precisión.

JSM